基于MLP-Bagging集成分类模型的在线学习行为分析

作     者：普运伟 姜萤 田春瑾 余永鹏 PU Yunwei;JIANG Ying;TIAN Chunjin;YU Yongpeng

作者机构：昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学计算中心云南昆明650500 

出 版 物：《云南大学学报（自然科学版）》 (Journal of Yunnan University(Natural Sciences Edition))

年 卷 期：2024年第46卷第5期

页      面：852-861页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：教育部−思科产学研项目(201701010017) 昆明理工大学课程思政教改专项(2021003) 昆明理工大学课程思政示范课程项目(2021152008) 

主　　题：在线学习行为 学习者分类 嵌入层 MLP神经网络 Bagging集成学习 

摘      要：针对教育者难以对学习者多样化的在线学习行为进行监测和研判等问题,提出一种带嵌入层的MLP-Bagging集成分类模型对学习者的在线学习行为进行分析与判别.考虑到学习者的在线学习行为以及个体特性,从学习准备行为、知识获取行为、交互学习行为、学习巩固行为和辅助特征5个方面构建在线学习行为模型,并采用MLP-Bagging集成分类模型对学习者进行分类判别.实验结果表明,所构建的学习模型可对在线学习者的学习行为进行符合实际的建模,加入辅助特征有利于对各类学习者的在线学习行为进行深入的分析与指导,并且在分类模型中加入嵌入层可以有效克服标签编码带来的数据冗余和误差缺陷,从而获得更好的分类效果.与其他分类模型相比,融合多个MLP分类器的Bagging集成模型可以减少单个MLP分类器的方差,其分类准确率达到98.72%,具有较好的实际应用价值.